Docsity
Docsity

Prepare-se para as provas
Prepare-se para as provas

Estude fácil! Tem muito documento disponível na Docsity


Ganhe pontos para baixar
Ganhe pontos para baixar

Ganhe pontos ajudando outros esrudantes ou compre um plano Premium


Guias e Dicas
Guias e Dicas


Inteligência Artificial: Agentes Racionais e Ambientes de Tarefa, Exercícios de Inteligência Artificial

Neste documento, aprenda sobre agentes racionais na inteligência artificial, incluindo suas características, como executar ações corretas baseadas em entradas e conhecimentos internos. Saiba como criar um agente racional, selecionando medidas de desempenho, sensores relevantes e analisando dimensões de ambientes de tarefa, como observável, único, determinístico, episódico, estático, conhecido e discreto. Escolha entre os tipos de agentes disponíveis.

Tipologia: Exercícios

2021

Compartilhado em 19/09/2021

bruno-claudino-matias-11
bruno-claudino-matias-11 🇧🇷

1 documento

1 / 2

Toggle sidebar

Esta página não é visível na pré-visualização

Não perca as partes importantes!

bg1
EXA841 Inteligência Artificial
Atividade 2.1 Agentes inteligentes
Grupo 2: Bruno C. Matias, Joimar Gonçalves, Victória Oliveira Gomes, Vitor
Mariano
2 - Outro conceito importante do Capítulo 2 é o de agente racional. O que
torna um agente racional? Se você fosse convidado para produzir um
agente racional, por onde começaria? Que aspectos relacionados ao
agente consideraria?
Um agente racional é aquele que executa ações “corretas” de acordo às entradas
colhidas pelos sensores do agente, podendo usar o histórico de entradas e de
conhecimentos internos do próprio agente podendo usar o histórico de entradas
ou não.
Para produzir um agente racional, devemos iniciar criando medidas de
desempenho baseadas no impacto que o agente tem no ambiente externo; além
de selecionarmos os sensores que são relevantes para os atuadores agirem para
alcançar o objetivo desejado. Para obter essas informações algumas perguntas
tem que ser feitas como:
1 - Que medida de desempenho gostaríamos que tivesse como objetivo?
2 - Qual o ambiente enfrentará?
3 - Os atuadores (arquitetura que o agente utilizará em suas ações)
4 - Sensores de entrada
Além disso, algumas propriedades do ambiente precisam ser destacadas.
Primeiramente devemos listar as dimensões e depois analisar vários ambientes
de tarefas para ilustrar as ideias:
- Completamente observável vs parcialmente observável: se os sensores de
um agente permitem acesso ao estado completo do ambiente em cada instante,
dizemos que o ambiente de tarefa é completamente observável. Um ambiente
poderia ser parcialmente observável devido ao ruído e a sensores imprecisos ou
porque partes dos estados estão simplesmente ausentes nos dados do sensor.
- Agente único vs multiagente: o ambiente pode ter um único agente, ou vários
que se influenciam (multiagente).
- Determinístico vs estocástico: se o próximo estado do ambiente é
completamente determinado pelo estado atual e pela ação executada pelo
agente, o ambiente é determinístico. Caso contrário, ele é estocástico.
- Episódico vs sequencial: em um ambiente de tarefa episódico, a experiência
do agente é dividida em episódios atômicos. Em cada episódio a gente recebe
pf2

Pré-visualização parcial do texto

Baixe Inteligência Artificial: Agentes Racionais e Ambientes de Tarefa e outras Exercícios em PDF para Inteligência Artificial, somente na Docsity!

EXA841 – Inteligência Artificial Atividade 2.1 – Agentes inteligentes Grupo 2 : Bruno C. Matias, Joimar Gonçalves, Victória Oliveira Gomes, Vitor Mariano 2 - Outro conceito importante do Capítulo 2 é o de agente racional. O que torna um agente racional? Se você fosse convidado para produzir um agente racional, por onde começaria? Que aspectos relacionados ao agente consideraria? Um agente racional é aquele que executa ações “corretas” de acordo às entradas colhidas pelos sensores do agente, podendo usar o histórico de entradas e de conhecimentos internos do próprio agente podendo usar o histórico de entradas ou não. Para produzir um agente racional, devemos iniciar criando medidas de desempenho baseadas no impacto que o agente tem no ambiente externo; além de selecionarmos os sensores que são relevantes para os atuadores agirem para alcançar o objetivo desejado. Para obter essas informações algumas perguntas tem que ser feitas como: 1 - Que medida de desempenho gostaríamos que tivesse como objetivo? 2 - Qual o ambiente enfrentará? 3 - Os atuadores (arquitetura que o agente utilizará em suas ações) 4 - Sensores de entrada Além disso, algumas propriedades do ambiente precisam ser destacadas. Primeiramente devemos listar as dimensões e depois analisar vários ambientes de tarefas para ilustrar as ideias:

- Completamente observável vs parcialmente observável: se os sensores de um agente permitem acesso ao estado completo do ambiente em cada instante, dizemos que o ambiente de tarefa é completamente observável. Um ambiente poderia ser parcialmente observável devido ao ruído e a sensores imprecisos ou porque partes dos estados estão simplesmente ausentes nos dados do sensor. - Agente único vs multiagente: o ambiente pode ter um único agente, ou vários que se influenciam (multiagente). - Determinístico vs estocástico: se o próximo estado do ambiente é completamente determinado pelo estado atual e pela ação executada pelo agente, o ambiente é determinístico. Caso contrário, ele é estocástico. - Episódico vs sequencial: em um ambiente de tarefa episódico, a experiência do agente é dividida em episódios atômicos. Em cada episódio a gente recebe

uma percepção e, em seguida, executa uma única ação; os episódios seguintes não dependem das ações executadas em episódios anteriores. Em ambiente sequenciais, a decisão atual poderia afetar em todas as decisões futuras.

- Estático vs dinâmico: se o ambiente puder se alterar enquanto o agente está deliberando, dizemos que o ambiente é dinâmico; caso contrário, ele é estático. Se o próprio ambiente não mudar com a passagem do tempo, mas o nível de desempenho do agente se alterar dizemos que o ambiente é semi-dinâmico. - Conhecido vs desconhecido: em um ambiente conhecido, as saídas ou as probabilidades das saídas são conhecidas, se o ambiente for estocástico para todas as ações. Se o ambiente for desconhecido, o agente terá de aprender como funciona a fim de tomar boas decisões. - Discreto vs contínuo: caso haja um conjunto finito de estados que possa definir as características do ambiente, teremos um ambiente discreto. Caso contrário, ele será contínuo. Por fim, de acordo com a finalidade do agente, é preciso escolher entre os 4 tipos disponíveis:

  • Reativo simples
  • Reativo baseado em modelo
  • Baseado em objetivos
  • Baseado em utilidade
  • Agente com aprendizagem